Pasar al contenido principal
Spanish English

Fundamentos Python para ciencia de datos

Del 17 a 29 de marzo de 2025

Modalidad Presencial
20 horas presenciales

Inscríbete
Curso

Sobre este curso

Este curso está diseñado para estudiantes de posgrado interesados en aplicar Python a la ciencia de datos ambientales. A través de ejercicios prácticos y actividades autónomas, los participantes aprenderán a procesar, analizar y visualizar datos relacionados con el medio ambiente, abordando problemas como el cambio climático, la calidad del aire y la gestión de recursos naturales.

Ver más
image curso
image curso

Objetivos

Desarrollar en los estudiantes de posgrado las bases de Python para la ciencia de datos ambientales, permitiéndoles procesar, analizar y visualizar información relevante para la investigación y toma de decisiones en el ámbito ambiental.

Objetivos específicos

  • Introducir los fundamentos de Python aplicados a la ciencia de datos, incluyendo manipulación de datos, análisis estadístico y visualización, con enfoque en problemáticas ambientales.
  • Desarrollar habilidades prácticas para procesar y analizar datos ambientales reales, facilitando la toma de decisiones basada en evidencia en investigaciones y proyectos de sostenibilidad.
ODS

Objetivos de desarrollo sostenible

Educación de calidad

Educación de calidad

Acción por el clima

Acción por el clima

Metodología

El curso de programación en Python sigue una metodología de aprendizaje activo, combinando clases teórico-prácticas con actividades autónomas. Los estudiantes abordarán conceptos clave de programación, manipulación y visualización de datos ambientales, resolviendo retos y analizando datos reales. A través de ejercicios prácticos, desarrollarán habilidades para aplicar la programación a la sostenibilidad y la toma de decisiones basadas en datos.

Adicionalmente se requiere un computador personal con conexión a Internet por alumno.

Duración

Duración

Duración

20 horas presenciales

Horario

De lunes a jueves del 17 al 27 de 16h00 a 18h00, sábado 29 de 09h00 a 12h00 de marzo

Modalidad

Presencial

Profesor

Profesor(es)

Iván Mendoza V.

Iván Mendoza V.

Instructor

Doctor en Ciencias de la Ingeniería

Contenidos

Contenidos

  • Día 1

    17 Marzo

  • Día 2

    18 Marzo

  • Día 3

    19 Marzo

  • Día 4

    20 Marzo

  • Día 5

    24 Marzo

  • Día 6

    25 Marzo

  • Día 7

    26 Marzo

  • Día 8

    27 Marzo

  • Día 9

    29 Marzo

  • Creación y configuración de Notebooks en Google Colab
  • Fundamentos de Markdown
  • Fórmulas con Latex
  • Importación de datos CSV
  • Importación de paquetes para ciencia de datos
  • Variables y tipos de datos
  • Estructuras de datos: listas, dataframes, diccionarios
  • Entradas y salidas por pantalla 

  • Análisis de datos con Pandas
  • Creación y manipulación de DataFrames
  • Limpieza de datos: detección de valores nulos y duplicados
  • Filtrado y selección de datos

  • Cálculo de estadísticas básicas: media, mediana, moda, percentiles
  • Funciones de agregación
  • Manejo de datos categóricos
  • Manipulación de fechas
  • Exportar datos a formatos conocidos

  • Creación de gráficas con Matplotlib
  • Gráficos de dispersión
  • Gráficos de boxplot
  • Gráficos de barras y líneas
  • Histogramas y distribuciones
  • Mapas de calor para correlaciones en datos

  • Creación y manipulación de arrays NumPy
  • Números aleatorios y aplicaciones
  • Variables aleatorias
  • Operaciones vectorizadas y eficiencia en cálculos científicos
  • Integración con Pandas y Matplotlib

  • Inferencia estadística con Scipy
  • Cálculo de intervalos de confianza
  • Pruebas de hipótesis unas y dos muestras
  • Pruebas de normalidad
  • Análisis de varianza
  • Otras pruebas estadísticas

  • Lectura de datos en tiempo real
  • Procesamiento de datos espaciales
  • Generación de mapas con información geográfica
  • Procesamiento de datos importados de sensores

  • Fundamentos de Machine Learning con Scikit-learn
  • Regresión para predicción de datos numéricos
  • Procesamiento básico de imágenes
  • Clasificación de imágenes
  • Elaboración de informes con Colab

  • Elaboración de trabajo final: primera y segunda parte

Destinatarios

Destinatarios

Estudiantes universitarios de grado y posgrado; público en general.

Los estudiantes deben tener conocimientos básicos de estadística descriptiva e inferencial, y un nivel básico de idioma inglés.

Fecha

Fechas

Del 17 a 29 de marzo de 2025

Inversión

Inversión

Estudiantes de la Maestría en Recursos Naturales Renovables

$ Gratuito

Público general

$ 40,00

Certificados

Certificados

Una vez cumplidas las actividades y requisitos para el desarrollo del curso, los participantes recibirán el certificado de Aprobación, en base a lo establecido en el Reglamento del Departamento de Formación Continua esto es, que el participante obtenga un mínimo del 70% en la evaluación académica y el 80% de asistencia a las clases presenciales o sincrónicas.

Información

Más información

Más información acerca de este curso

* Este no es un formulario de inscripción.


CAPTCHA
Esta pregunta es para comprobar si usted es un visitante humano y prevenir envíos de spam automatizado.

Compartir: